Comprender el modelo del ciclo de oxígeno

El ciclo de Otto es la idealización termodinámica del motor de encendido de chispa de cuatro tiempos. Sustituye el complejo ingesta, compresión, combustión y procesos de escape con cuatro pasos reversibles que aislan los mecanismos esenciales de conversión de energía. En el modelo estándar del aire, el fluido de trabajo es aire (tratado como un gas ideal con calores específicos constantes), la combustión se aproxima como un cálculo de calor continuo de la presión instantánea

Los cuatro procesos que forman el ciclo son:

  • Construcciones irretropicas (1→2): El pistón comprime la carga sin transferencia de calor, elevando la temperatura y la presión.
  • Adiciones de calor constantes (2→3): Una liberación instantánea de energía (representando la combustión) en el centro de la muerte superior eleva la temperatura y la presión a sus valores máximos.
  • ]Exploración istrópica (3→4): Los gases de alta presión empujan el pistón hacia abajo, entregando trabajo neto al crankshaft.
  • Rechazo de calor constante (4→1): El contenido de los cilindros pierde el calor al estado inicial, cerrando el bucle.

Debido a que el modelo utiliza una relación de calor constante e ignora el intercambio de gas, proporciona un punto de referencia rápido que se puede refinar sistemáticamente. Implementar este ciclo en MATLAB le da una herramienta flexible e interactiva para explorar cómo la relación de compresión, la adición de calor y las propiedades de fluido afectan el rendimiento. suposición estándar de aire también proporciona un límite superior conveniente en eficiencia; los motores reales siempre se encuentran cortos debido a la fricción, la pérdida de calor.

Configuración de un entorno MATLAB estructurado

Comience por crear un nuevo script o archivo de función. Un espacio de trabajo limpio hace depuración y futuras modificaciones en sentido estricto. Utilice un encabezado descriptivo que documenta el propósito, parámetros de entrada y salidas. Pre-allocalizar arrays para variables estatales al barrer sobre parámetros para evitar el redimensionamiento dinámico. Adoptar nombres variables significativos como en lugar de simplemente ]

% otto_cycle_analysis.m
% Air‑standard Otto cycle analysis
% Inputs:
% r – compression ratio (dimensionless)
% T1, P1 – intake state (K, Pa)
% gamma – specific heat ratio (cp/cv)
% Q_in – specific heat addition (J/kg)
% Outputs:
% state_table – array of T, P, v at four corners
% W_net, eta – specific net work (J/kg) and thermal efficiency

Utilizando los arrays incorporados o para almacenar los cuatro estados mejora la legibilidad cuando posteriormente traza o exporta resultados. Por ejemplo, crea un array de estructura con campos , , indexado de 1 a 4. Esto hace que la referencia de propiedades estatales intuitivamente:

Definir los parámetros del motor crítico

La precisión de la simulación depende de los datos de entrada. Al mínimo, especificar la relación de compresión, presión de consumo y temperatura, la relación de calor específica y la energía agregada por masa de unidad. Los valores típicos para un motor de gasolina son:

  • ratio de compresión r: 8–12 para motores modernos de encendido de chispa; mayores ratios mejoran la eficiencia pero aumentan el riesgo de golpe. En los motores de investigación, las ratios de hasta 14 son a veces exploradas con combustibles avanzados.
  • Temperatura de consumo T1: 300 K (ambiente) o 350 K si se contabiliza la ingesta de calefacción por aire de la tripulación y gases residuales.
  • : 101325 Pa (1 am) para aspirar naturalmente; hasta 200 kPa o más para motores turbocargados.
  • Proporción de calor Específica γ: 1.4 para el aire seco; 1.3–1.35 para mezclas de combustible y productos de combustión debido a la presencia de moléculas triatómicas como CO2 y H2O.
  • Adimento de calor Específico Q in: aproximadamente 2,5–3 MJ/kg para gasolina basado en un valor de calefacción más bajo y una relación de combustible de aire estoichiométrico. Para una gasolina típica, el valor de calentamiento inferior es de aproximadamente 44 MJ/kg, pero mezclado con aire (proximadamente 14.7:1 ratio de combustible aéreo), la densidad de energía de mezcla se convierte en alrededor de 2.9 MJ/kg.

Define estos como variables MATLAB en la parte superior del script para que puedan cambiarse fácilmente para estudios de sensibilidad.

r = 9.0; % compression ratio
T1 = 300; % K
P1 = 101325; % Pa
gamma = 1.35; % approximate for fuel‑air mixture
Q_in = 2500e3; % J/kg
R_air = 287; % J/(kg·K)

También puede incluir la masa molar de aire (28.97 g/mol) si luego cambia a cálculos basados en lunares. Mantener la constante de gas evita errores de unidad.

Computación de los cuatro estados de esquina

Con los parámetros establecidos, las relaciones estándar de aire dan los puntos del estado directamente. El análisis es por unidad de masa, por lo que trabajamos con volumen específico. Configurar el volumen de limpieza a la unidad (v2 = 1) simplifica el escalado relativo; entonces v1 = r porque la relación de compresión v1/v2 = r. Esta normalización es conveniente porque todos los volúmenes se expresan en relación con el volumen de limpieza.

Estado 1 (Intake, Bottom Dead Centre)

v1 = r; % relative to clearance volume
% T1 and P1 are inputs

Estado 2 (Compresión Isentrópica al Centro de los Muertos Superiores)

Para un proceso isentropico con γ constante:

v2 = 1;
T2 = T1 * r^(gamma-1);
P2 = P1 * r^gamma;

Estas relaciones se derivan de la ley de gas ideal y la relación politrópica P v^γ = constante]. El aumento de temperatura a través de la compresión es significativo: para r=9 y γ=1.35, T2 Ω 300 × 9^(0.35) ♥ 690 K.

Estado 3 (Adición constante de calor de volumen)

Primero computa el calor específico a volumen constante:

cv = R_air / (gamma-1);
T3 = T2 + Q_in / cv;
P3 = P2 * (T3 / T2);
v3 = v2; % no volume change

La temperatura en el estado 3 puede superar 2500 K para la combustión típica de gasolina. Presión de pico P3 a menudo alcanza 60–80 bar, que establece requisitos estructurales para el bloque y la cabeza del motor.

Estado 4 (Exasión Isentrópica al volumen original)

La relación de expansión de la TDC a la BDC es r, pero en términos de volúmenes específicos v3 = v2 = 1 y v4 = v1 = r, por lo que la relación de volumen es 1/r.

v4 = v1;
T4 = T3 * (1/r)^(gamma-1);
P4 = P3 * (1/r)^gamma;

Estos cuatro puntos definen completamente el ciclo en términos de temperatura, presión y volumen específico. Almacénalos en arrays para trazado y cálculo posterior. Una validación útil es comprobar que P4 está ligeramente por encima de P1; la diferencia impulsa la explosión de escape.

Calculando trabajo neto, eficiencia térmica y presión efectiva media

El trabajo específico neto es la diferencia entre el calor añadido y el calor rechazado. Para el modelo estándar del aire, el calor rechazado en el proceso 4→1 es:

Q_out = cv * (T4 - T1);
W_net = Q_in - Q_out;

La eficiencia térmica es:

eta = W_net / Q_in; % from energy balance
eta_direct = 1 - 1/r^(gamma-1); % direct formula
% Both should match within numerical round-off

La presión efectiva (MEP) es una métrica de rendimiento que compara el trabajo neto por ciclo con el volumen de desplazamiento. Para el ciclo estándar del aire, el volumen específico de desplazamiento es v1 – v2 = r – 1. Por lo tanto:

mep = W_net / (v1 - v2); % Pa

MEP es independiente del tamaño del motor y es un indicador conveniente de la calidad del diseño del motor. Los valores típicos para motores de gasolina naturalmente aspirados son 8–12 bar (0.8–1.2 MPa). MEP de salida junto con la eficiencia para proporcionar una imagen más completa. También puede convertir a la barra para la legibilidad: .

Incluyendo los tacones específicos variables para mejorar la precisión

La suposición de aire constante puede sobreestimar la eficiencia porque los gases de escape reales tienen una menor relación de calor específica a altas temperaturas. Para ello, sustituya la γ constante con una correlación dependiente de temperatura. Un método robusto es utilizar los coeficientes polinomios de la NASA para cp [FLT2]

Aplicar γ variable requiere una solución iterativa porque el exponente isentropic en sí depende de la temperatura desconocida. Use MATLAB o un simple lazo. Por ejemplo, durante la compresión isentropica, la relación se convierte en:

% Use an anonymous function to find T2 such that
% integral of cp dT from T1 to T2 = R * ln(v1/v2)
% This replaces the constant‑gamma formula.
% For air, cp(T) can be approximated by:
% cp = a0 + a1*T + a2*T^2 + a3*T^3 + a4*T^4
% Using NASA 7-coefficient polynomials.
fun = @(T2) integral(@(T) polyval(cp_coeffs, T), T1, T2) - R_air * log(r);
T2 = fzero(fun, T1 * r^0.4);

El recurso polinomio NASA] ofrece coeficientes descargables para especies de aire y combustión. Modifica tu script para cargar estos coeficientes y llámalos durante cálculos estatales. Observarás que los calores específicos variables reducen la eficiencia predicha en 2-5 puntos porcentuales en los ratios de compresión típicos, que se alinean estrechamente con los datos reales del motor.

Para una aproximación rápida sin integración polinomio completa, utilice una relación de calor específica media que varía linealmente con la temperatura: γ(T) = 1.4 – 0.00005*(T – 300). Esta correlación simple captura la tendencia y puede ser implementada en un lazo hasta la convergencia.

Construir un análisis modular de función

En lugar de un script monolítico, encapsula la lógica del ciclo en una función MATLAB. Esto hace que sea reutilizable para barridos de parámetro y reduce la duplicación de código.

function [states, performance] = ottoCycle(r, T1, P1, Q_in, gamma, R_air)
 % states: structure with T, P, v for states 1-4
 % performance: structure with W_net, eta, mep
 % (calculation code from previous section goes here)
end

Para los calores específicos variables, agregue una bandera de fluido:

function [states, performance] = ottoCycle(r, T1, P1, Q_in, fluid_type)
 % fluid_type: 'constant_gamma' or 'variable_cp'
 % (logic branches based on flag)
end

Con la función en su lugar, un script de controlador puede barrer a través de ratios de compresión:

r_values = 6:1:14;
for i = 1:length(r_values)
 [~, perf] = ottoCycle(r_values(i), 300, 101325, 2500e3, 'constant_gamma');
 eta(i) = perf.eta;
 mep(i) = perf.mep;
end
plot(r_values, eta*100, 'b-', r_values, mep/1e5, 'r--');

Este enfoque modular muestra inmediatamente los rendimientos de la creciente relación de compresión más allá de 12. La trama destaca un cambio clave: la eficiencia sigue aumentando pero a una velocidad decreciente, mientras que el MEP a menudo alcanza los picos alrededor de r=10 para los insumos térmicos típicos.

Generando Diagnóstico P‐V y Diagramas T-S

La visualización ayuda a verificar el modelo y comunicar los resultados. Las funciones de trazado de MATLAB producen diagramas de calidad de publicación.

Diagrama de Presión-Volumen (P‐V)

Las curvas de compresión y expansión siguen P v^γ = constante]. Generar una serie de puntos intermedios para curvas suaves:

n = 50;
v_comp = linspace(v2, v1, n); % reverse direction for plotting
P_comp = P2 * (v_comp ./ v2).^(-gamma);
v_exp = linspace(v3, v4, n);
P_exp = P3 * (v_exp ./ v3).^(-gamma);
figure;
hold on;
plot(v_comp, P_comp, 'b', 'LineWidth', 1.5);
plot(v_exp, P_exp, 'b', 'LineWidth', 1.5);
plot([v2 v3], [P2 P3], 'r--', 'LineWidth', 1.2);
plot([v4 v1], [P4 P1], 'r--', 'LineWidth', 1.2);
xlabel('Specific volume (relative)'); ylabel('Pressure (Pa)');
title('Air‑Standard Otto Cycle P–V Diagram');
legend('Compression', 'Expansion', 'Heat addition', 'Heat rejection');
grid on;

El área cerrada representa el trabajo neto. Puede integrar numéricamente el bucle utilizando para verificar el W net computado. Por ejemplo, integrar la curva superior (compresión + expansión) y restar la curva inferior (línea de rechazo al calor). Consulte la documentación MATLAB sobre integración numérica para detalles.

Diagrama de temperatura-entropía (T-S)

Para un gas ideal con calores específicos constantes, el cambio de entropía en relación con el estado 1 es:

% s = cp * log(T / T1) - R * log(P / P1)
cp = gamma * R_air / (gamma - 1);
s1 = 0;
s2 = cp * log(T2/T1) - R_air * log(P2/P1);
s3 = cp * log(T3/T1) - R_air * log(P3/P1);
s4 = cp * log(T4/T1) - R_air * log(P4/P1);

Para la variable γ, utilice la integración numérica de dQ/T para computar la entropía. El diagrama T-S revela la naturaleza istrópica de los procesos 1‐2 y 3‐4 (líneas verticales) y la constante-volumen de calefacción/rechazo (carriles curvados). El área bajo la curva de calentamiento representa el calor añadido, mientras que la zona bajo la curva de refrigeración rechazada es la red de calor.

Para mejorar la trama T-S, superpone líneas de presión constante (isobares) de la relación gaseosa ideal. Esto ayuda a contextualizar el ciclo en un marco termodinámico más amplio.

Realización de estudios de sensibilidad

Una vez que el modelo de base funciona, varía sistemáticamente los parámetros de entrada para entender su influencia.

  • barrido de relación de compresión: La eficiencia de la trama y el MEP versus r. La eficiencia aumenta rápidamente a baja r y luego mesetas; el MEP a menudo se eleva a un r moderado debido al intercambio entre el aumento de presión y la adición de calor. Use subplotas para mostrar ambas métricas en la misma figura.
  • יstrong]Heat addition variationse/strongilo: Changing Q in models different fuel energy or air‐fuel ratios. Incrementar Q in eleva la presión máxima y el trabajo pero puede exceder los límites materiales; incluye una limitación que P3 iere 150 bar (15 MPa) para reflejar la fuerza típica del motor.
  • Efecto de relación de calor específico: La γ inferior reduce la eficiencia. Los resultados de la γ constante y de la γ variable para mostrar la corrección. Esto es especialmente importante al analizar combustibles alternativos como el gas natural o el hidrógeno.

Para un barrido de dos parámetros, utilice bucles anidados y almacene los resultados en una matriz. A continuación, crear un contorno o mapa de color para visualizar el efecto combinado:

r_vec = 6:1:14;
Q_vec = 2e6:0.2e6:3e6;
for i = 1:length(r_vec)
 for j = 1:length(Q_vec)
 [~, perf] = ottoCycle(r_vec(i), 300, 101325, Q_vec(j), 1.35, 287);
 eta_mat(i,j) = perf.eta;
 end
end
contourf(r_vec, Q_vec/1e6, eta_mat', 20);
xlabel('Compression ratio'); ylabel('Q_in (MJ/kg)');
colorbar; title('Thermal Efficiency (%)');

Estos mapas de sensibilidad son inestimables para el análisis de compensación comercial en el diseño de motores. Ayudan a identificar regiones operativas donde la eficiencia es alta mientras la presión pico sigue siendo aceptable.

Validación de sus resultados

Antes de utilizar el modelo para las decisiones de ingeniería, compruebe los parámetros conocidos. La fórmula de eficiencia estándar del aire piragüismo = 1 − 1/r^(γ−1) proporciona una validación directa para el caso de la constante γ. Además, compare la presión máxima calculada P3 contra los datos de mapas de motor publicados o ejemplos de libros de texto (por ejemplo, Piedra,

Otra técnica de validación es comprobar el equilibrio de energía : el trabajo neto más el calor rechazado debe igualar el calor de entrada dentro de la precisión de punto flotante. Verificar también que los procesos de compresión y expansión satisfacen la relación istrópica T v^(γ‐1) = constante] para detectar errores de codificación.

Ampliación del modelo para efectos realistas

El marco básico puede ampliarse para incluir fenómenos del mundo real:

  • Duración de la combustión de cinco grupos : Reemplazar la adición de calor instantánea con una función Wiebe que distribuye la liberación de energía sobre un intervalo de crank-angle. Use MATLAB para integrar la ecuación de energía junto con el movimiento del pistón. La función Wiebe se define como x(θ)
  • ]]Prohibiciones de transferencia de calor: Incorporar una correlación de tipo Woschni para la transferencia de calor convectiva a las paredes del cilindro. Esto requiere temperatura y presión resueltas del ángulo del cráneo. La correlación proporciona el coeficiente de transferencia de calor como una función de aburrimiento, velocidad del pistón, temperatura y presión.
  • ]Recirculación de gases de escape (EGR): Ajuste la proporción de calor específica y la composición de gas para reflejar la dilución. MATLABSimpeciador bloque proporciona un componente listo para tales estudios, pero también puede implementar un modelo de dilución simplificado combinando el calor específico del gas.

Para una extensión rápida, comience con la función Wiebe. Ejemplo de aproximaciones se pueden encontrar en el ] Intercambio de archivos MATLAB. Esta adición simple captura el efecto de la hora de chispa en la eficiencia y la presión máxima.

Integrar el Análisis en un flujo de trabajo más grande

En un proyecto de ingeniería, el análisis del ciclo debe alimentarse en simulaciones de nivel del vehículo o generación de informes. Use MATLAB para exportar tablas estatales y métricas de rendimiento a CSV para su posterior procesamiento en Excel. Combine las parcelas en un PDF utilizando la función . Structuing the code with functions and a main driver script from the start will make this integration seamless.

results = table(r_values', eta', mep', ...
 'VariableNames', {'CompressionRatio','Efficiency','MEP_bar'});
writetable(results, 'otto_sweep.csv');

También puede llamar al MATLAB de Python o Simulink para acoplar el modelo termodinámico con otros subsistemas. Para un estudio híbrido de vehículos, el mapa de eficiencia del ciclo Otto puede ser importado como una tabla de búsqueda en Simulink.

Conclusión

Construir un modelo de ciclo Otoño estándar en MATLAB proporciona una plataforma potente y sencilla para explorar la termodinámica del motor de la chispa. Definir sistemáticamente parámetros, calcular puntos del estado y calcular métricas de rendimiento como trabajo neto, eficiencia térmica y presión efectiva, obtienes una visión inmediata de cómo las opciones de diseño afectan la salida. El enfoque modular presentado aquí permite extender el modelo a los calores específicos variables, la transferencia de la herramienta de cálculos